論文の概要: Fault Injection based Failure Analysis of three CentOS-like Operating Systems

• arxiv url: http://arxiv.org/abs/2210.08728v2
• Date: Mon, 27 Nov 2023 13:36:55 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-30 17:31:45.839432
• Title: Fault Injection based Failure Analysis of three CentOS-like Operating Systems
• Title（参考訳）: 故障インジェクションによるCentOS系オペレーティングシステムの故障解析
• Authors: Hao Xu (1), Yuxi Hu (2), Bolong Tan (2), Xiaohai Shi (2), Zhangjun Lu (1), Wei Zhang (1) and Jianhui Jiang (1) ((1) Tongji University, (2) Alibaba Inc.)
• Abstract要約: 本稿では,障害モードライブラリをベースとしたフォールトインジェクションによるOS障害解析手法について検討する。 障害注入実験は,3つの商用Linuxディストリビューション,Anolis OS,openEulerで実施されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The reliability of operating system (OS) has always been a major concern in the academia and industry. This paper studies how to perform OS failure analysis by fault injection based on the fault mode library. Firstly, we use the fault mode generation method based on Linux abstract hierarchy structure analysis to systematically define the Linux-like fault modes, construct a Linux fault mode library and develop a fault injection tool based on the fault mode library (FIFML). Then, fault injection experiments are carried out on three commercial Linux distributions, CentOS, Anolis OS and openEuler, to identify their reliability problems and give improvement suggestions. We also use the virtual file systems of these three OSs as experimental objects, to perform fault injection at levels of Light and Normal, measure the performance of 13 common file operations before and after fault injection.
• Abstract（参考訳）: オペレーティングシステム(OS)の信頼性は、学界や業界において常に大きな関心事となっている。 本稿では,フォールトモードライブラリに基づくフォールトインジェクションによるos障害解析を行う方法について検討する。 まず,linuxの抽象階層構造解析に基づくフォールトモード生成手法を用いて,linuxライクなフォールトモードを体系的に定義し,linuxフォールトモードライブラリを構築し,フォールトモードライブラリ(fifml)に基づくフォールトインジェクションツールを開発する。 次に,3つの商用linuxディストリビューション (centos, anolis os, openeuler) 上で障害注入実験を行い,信頼性問題を特定し,改善提案を行う。 また,これら3つのOSの仮想ファイルシステムを実験対象とし,ライトレベルとノーマルレベルにおける障害注入を行い,障害注入前後の13のファイル操作の性能を測定した。

関連論文リスト

• KGym: A Platform and Dataset to Benchmark Large Language Models on Linux Kernel Crash Resolution [59.20933707301566]
  大規模言語モデル(LLM)は、ますます現実的なソフトウェア工学(SE)タスクにおいて一貫して改善されている。 現実世界のソフトウェアスタックでは、Linuxカーネルのような基本的なシステムソフトウェアの開発にSEの取り組みが費やされています。 このような大規模システムレベルのソフトウェアを開発する際にMLモデルが有用かどうかを評価するため、kGymとkBenchを紹介する。
  論文  参考訳（メタデータ） (2024-07-02T21:44:22Z)
• Demystifying Faulty Code with LLM: Step-by-Step Reasoning for Explainable Fault Localization [5.7821087202452]
  本研究では, 説明可能な断層定位のためのステップバイステップ推論について検討した。 私たちは600行の欠陥に関する説明とともに、欠陥のあるコードファイルのデータセットを作成しました。 ランダムに採取された30例中22例において,FuseFLは正しい説明が得られた。
  論文  参考訳（メタデータ） (2024-03-15T17:47:20Z)
• BEC: Bit-Level Static Analysis for Reliability against Soft Errors [0.26107298043931204]
  ソフトエラーに対するプログラムの信頼性を理解し改善するためのビットレベルエラー照合(BEC)静的プログラム解析を提案する。 BEC分析はレジスタファイル内の各ビットの破損を追跡し、コンパイル時にその意味によって破損の影響を分類する。 提案手法は汎用的であり,特定のコンピュータアーキテクチャに限定されない。
  論文  参考訳（メタデータ） (2024-01-11T09:03:47Z)
• Causal Disentanglement Hidden Markov Model for Fault Diagnosis [55.90917958154425]
  本研究では, 軸受破壊機構の因果性を学ぶために, 因果解離隠れマルコフモデル (CDHM) を提案する。 具体的には、時系列データをフル活用し、振動信号を断層関連要因と断層関連要因に段階的に分解する。 アプリケーションの範囲を広げるために、学習された非絡み合った表現を他の作業環境に転送するために、教師なしのドメイン適応を採用する。
  論文  参考訳（メタデータ） (2023-08-06T05:58:45Z)
• Interactive System-wise Anomaly Detection [66.3766756452743]
  異常検出は様々なアプリケーションにおいて基本的な役割を果たす。 既存のメソッドでは、インスタンスがデータとして容易に観察できないシステムであるシナリオを扱うのが難しい。 システム埋め込みを学習するエンコーダデコーダモジュールを含むエンドツーエンドアプローチを開発する。
  論文  参考訳（メタデータ） (2023-04-21T02:20:24Z)
• System Resilience through Health Monitoring and Reconfiguration [56.448036299746285]
  人為的なシステムのレジリエンスを、予期せぬ事象に対して向上させるためのエンドツーエンドのフレームワークを実証する。 このフレームワークは物理ベースのデジタルツインモデルと,リアルタイム故障診断,予後,再構成を行う3つのモジュールに基づいている。
  論文  参考訳（メタデータ） (2022-08-30T20:16:17Z)
• Leveraging Log Instructions in Log-based Anomaly Detection [0.5949779668853554]
  本稿では,システムログからの信頼性と実用的な異常検出手法を提案する。 1000以上のGitHubプロジェクトのソースコードからログインストラクションを備えた異常検出モデルを構築することで、関連する作業の一般的な欠点を克服する。 提案手法はADLILogと呼ばれ,興味あるシステム(ターゲットシステム)からのログ命令とデータを組み合わせて,深層ニューラルネットワークモデルを学習する。
  論文  参考訳（メタデータ） (2022-07-07T10:22:10Z)
• Fast and Accurate Error Simulation for CNNs against Soft Errors [64.54260986994163]
  本稿では,誤りシミュレーションエンジンを用いて,コナールニューラルネットワーク(CNN)の信頼性解析のためのフレームワークを提案する。 これらの誤差モデルは、故障によって誘導されるCNN演算子の出力の破損パターンに基づいて定義される。 提案手法は,SASSIFIの欠陥効果の約99%の精度と,限定的なエラーモデルのみを実装した44倍から63倍までのスピードアップを実現する。
  論文  参考訳（メタデータ） (2022-06-04T19:45:02Z)
• Adversarial EXEmples: A Survey and Experimental Evaluation of Practical Attacks on Machine Learning for Windows Malware Detection [67.53296659361598]
  EXEmplesは、比較的少ない入力バイトを摂動することで、機械学習に基づく検出をバイパスすることができる。 我々は、機械学習モデルに対する過去の攻撃を包含し、一般化するだけでなく、3つの新たな攻撃を含む統一フレームワークを開発する。 これらの攻撃はFull DOS、Extended、Shiftと呼ばれ、DOSヘッダをそれぞれ操作し、拡張し、第1セクションの内容を変更することで、敵のペイロードを注入する。
  論文  参考訳（メタデータ） (2020-08-17T07:16:57Z)
• A Machine Learning Approach to Online Fault Classification in HPC Systems [4.642153471124352]
  機械学習に基づくHPCシステムの故障分類手法を提案する。 当社のアプローチの斬新さは、ストリーミングされたデータをオンラインで操作できるという事実に起因しています。 我々はFINJと呼ばれる高レベルかつ使いやすい断層注入ツールを導入し、複雑な実験の管理に重点を置いている。
  論文  参考訳（メタデータ） (2020-07-27T15:36:56Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。